排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
通过相邻两个时间区间位移观测结果均值差分的积分描述和Harr小波基函数的小波变换方程的对比分析,得到了一个将不同时间尺度下边坡位移均值变化表示为相应尺度下小波变换系数的基本关系。根据这一关系,提出了可以采用小波变换方法确定两个相邻时间区间位移均值在不同时间尺度下变化规律的边坡位移演化的多尺度分析方法。针对卧龙寺新滑坡、三峡永久船闸边坡开挖和隔河岩水电站进水口边坡变形的观测结果,讨论了它们的位移演化多尺度特征。当边坡位移呈现较规则的变化趋势时,在一个尺度上就可以提取它们的时间演化特征。开挖剧烈扰动的影响可以通过给定时间尺度支撑区端点与位移突变点之间递增连的线进行近似。 相似文献
2.
两种强度折减法确定边坡稳定系数适用性探讨 总被引:1,自引:0,他引:1
强度折减法确定边坡稳定性系数比传统极限平衡方法优势明显,但是两种常用的强度折减法哪种更适合一直存在争议。本文针对某工程算例分别采用两种强度折减法进行了边坡稳定性系数计算,并把计算结果和传统极限平衡方法进行了对比,结果表明快速拉格朗日分析法更适合应用在边坡稳定性系数确定方面。该法的计算结果和传统计算方法极其接近,并可以克服传统方法人为指定滑动面的重大缺点。 相似文献
3.
滑坡位移的多模态支持向量机模型预测 总被引:1,自引:0,他引:1
将支持向量机(support vector machine,SVM)方法与信号分析中的经验模态分解(empirical mode decomposition, EMD)方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性 相似文献
4.
5.
1